元分析工具应用与论文写作

元分析工具应用与论文写作

首先，我要说明这里的指导并非 常规意义的指导，我这里说的指导是到底应该如何写论文（应该还是很抽象，不过看完就知道了）。
迄今为止，我大约也帮忙做了能有上千份的学生论文数据分析部分，包括一部分的整篇论文写作。因为我是做市场研究与数据分析的，擅长的主要工具是spss，不敢说百分百精通spss，但是应付个八九十应该是足够了，很自然的平时就利用下班和业余时间帮学生做一些论文数据分析以及论文写作指导。
很多论文的核心部分都包括数据分析，而统计学也应该是所有学科应该学习的一门重要课程，但是恰恰相反，很多学科只是把统计学和数据分析作为一项选修甚至不重要的课程对待，这样导致学生在最后做论文时完全不懂。
而在这种情况下，很多学生因为对数据分析的一窍不通，导致论文从开始的设计到后续的数据收集、整理等都会出现问题，最终导致分析出问题。
因此，在对数据分析一窍不通的情况下，应该如何从头构建论文及写作呢？很多论文虽然数据分析部分是核心，但是不管哪种论文的写作，都脱离不了论文的框架。因此，具体的过程应该如下：
首先是选题，当然很多时候是导师直接给选题，这个没有太多讨论。
其次是选题确定后，马上要做的不是想我应该怎么去写作，或者在哪抱怨“哎~~郁闷，完全不知道怎么写嘛”。而是先通过文献查找，看前人在这个选题方面已经做了哪些研究，都是如何做的。通过查找文献找到跟选题有关的资料，然后对这些资料进行整理，整理不需要计较参考文献的结论和数据细节等，而是要把每篇文献的研究目的、采用的研究方法、采用的分析方法整理出来。当然参考文献中的分析方法你可能还完全不懂，但是没关系，你先把这些参考文献中使用的分析方法全部罗列出来，如线性回归、方差分析、均值t检验、logistic回归等，把这些文献中常用的统计方法罗列出来，你需要弄清楚对应关系，即每种分析方法是用来支持和实现什么样的研究目的，以及能够得出什么样的结论，认真阅读文献就能实现这一步。
第三．通过上一步，你应该朦胧的知道你选题相关的参考文献中常用的统计方法名称，以及这些统计方法能够帮助实现哪些目的，或者得出什么结论，同时也不会对自己的选题那么恐惧和迷茫了，因为可能你的选题已经有前人做过了，你的论文只是“复制”一遍而已了，我说的复制是重复一遍前人的研究。在这种情况下，可以构思下自己的选题，这一步属于纯理论层面的，你需要将自己的思路具体化，比如要实现什么目的，很自然的需要什么数据分析方法也就能确定了。当然很多论文会预先设计一系列待验证的假设，也是在这一步完成，因为你找到的文献中可能会存在矛盾的结论，可能会存在一些你认为的研究缺陷（文献看多了，自然自己就会有想法出来了），提出自己的一系列假设，能够很清楚的指导后面的数据收集和分析。
第四．选题、假设还有研究方法这些经过前面几步都能确定了，接下来就是要考虑具体研究和收集数据的环节了。这个环节最重要的也是首要的是弄清楚你的数据应该是什么类型的，通过哪种方法来获取。其实也容易了，因为前面你已经确定了统计分析方法，而每种方法有它特定的数据类型要求，比如是分类数据（如性别、民族、年级等）、比如连续性数据（如年龄、身高、体重、温度、长度、距离等）。分类数据简单通俗点的理解就是这些数字本身是没有意义的，是人为赋予它一定的含义，这些数据之间不存在连续性，且加减乘除没有意义，而连续性数据是数据本身有意义，且能够进行一些加减乘除运算。确定了所需要的数据类型，就大致能够知道在数据收集时，应该注意的问题。比如一份问卷调查，其中应该如何设计问题也就大致清楚了，通常问卷设计时就要考虑两种数据类型的问题，因为不同的选项设计会导致不同的数据类型。如你设计一个问题的答案选项是“有/没有”、“是/否”这种是属于分类数据，如果你的答案选项是李克特量表式“非常满意----非常不满意”这种，在处理时可以按照分类数据，只能统计出一些百分比，也可能将其按照连续数据如12345打分形式，这样可以求均值，可以做很多其他多元统计分析。因此这一步确定数据类型很关键，如果数据类型弄错的话，则收集的数据完全无用。
第五．具体收集数据过程，不细说了，收集回来之后 就是数据的录入。记住一定要录入原始的数据，而不是经过加减整理汇总后的数据。数据录入格式也是有要求的，一般大致同样的情况下，都是一行代表一个个案或者一份问卷的数据，而一列对应表示的是问卷中的一个问题，即变量。因此数据录入完成后，应该是有多少样本数据，就有多少行，数据中包含多少个指标，那就有多少列。
第六．这一步才是你应该开始头疼的数据分析不会了怎么办。因为到这里才开始是数据的具体分析过程了。不会怎么办，前面已经知道了分析方法，这种情况，只有找本教材，然后找对应的方法介绍学习即可，或者实在不行找人指导，找人帮忙等等。
最后。分析完成后，开始整篇论文的写作。

PS：还要强调一点，现在的高校导师都存在一些问题，因为我接触了那么多学生，他们的认为观点就是“我的统计检验结果不显著怎么办，那不就是说我的研究没有意义么？我的假设都是错的？”“我的结论跟前人的结果不一致啊，看来我的又错了”，这两种观点明显是错的：
一、数据的来源对象发生了变化，谁规定的结论必须跟前人一致；
二、请问爱迪生发明灯泡的前999次失败是没有意义么？科学研究本来就是一个证伪的过程，一次次证伪来接近真相。
三、如果你的假设一定是正确的，那不需要数据验证，你可以去帮助警察破案了，因为你认为你的假设一定是对的，那破案多简单的，假设一下就好了。但是很显然，很多导师并没有把这些正确的观点传达给学生。

元分析用了一份数据但方法不一样

不一样原因如下
元分析（meta-analysis )统计方法是对众多现有实证文献的再次统计，通过对相关文献中的统计指标利用相应的统计公式，进行再一次的统计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。
元分析程序输入参数包括：各个观察到的相关系数（已有研究文献中变量间的相关计分析，从而可以根据获得的统计显著性等来分析两个变量间真实的相关关系。
方法简介
元分析要求每个观察到的相关系数经过研究样本的大小的权重处理，从而产生经过权重处理的总体相关性的平均估计值。这个观察值的误差包括总体样本的真实误差，样本误差，以及测量误差。因此为了获得精确的总体相关性及其误差，需要对样本误差和测量误差等进行修正，找出“调节变量”分组研究。另外，元分析对使用的数据进行了一定的限制要求。如“一个变量在不同的研究中有多种衡量指标”出现时，需首先得将这种“异质性”进行处理（Hunter and Schmidt,1990）以保证数据来源及统计方式的一致性。
统计特点
第一次使用“元分析”这个概念的人是美国学者格拉斯，他在1976年美国教育研究联合会(American Education Research Association)的发言致辞中首次提出元分析概念。格拉斯认为，元分析是一种对分析的分析，具有以下主要特点：
(1)元分析是一种定量分析方法，它不是对原始数据的统计，而是对统计结果的再统计；
(2)元分析应该包含不同质量的研究；
(3)元分析寻求一个综合的结论。
统计缺点
元分析可以成为跨研究评判结果的一件有力工具。即使许多研究者已经乐意接受元分析的概念了，可还有一些人基于若干理由而质疑它的有用性。
评估被评论的研究的质量
在一家期刊里可见的研究之质量取决于期刊的编辑政策。有些期刊有严格的发表标准，而另一些的发表标准就不太严格。这就意味着发表的研究之质量在不同的期刊间会有很大差别。元分析面临的一个问题是如何处理参差不齐的研究质量。例如，在一家非同侪评审的期刊上发表的文章应该与在一家需同侪评审的期刊上发表的文章一视同仁吗?遗憾的是对这个问题没有简单的答案。
应该沿什么维度来对研究加权呢?这毫无一致意见。需一非同侪评审的维度虽然是可以的，但是你采用这个维度时也要当心，因为一家期刊是不是同侪评审的，这并不是发表的研究之质量的可靠指标。在一个新的领域里用新方法做的研究有时会被同侪评审的期刊拒绝，尽管这家期刊在方法学上是健全的，也是高质量的。类似地，在同侪评审的期刊发表的作品虽然有助于你确信该研究的质量是高的，但不保证高质量。
用不同的方法合并与比较研究
对元分析的常见批评是难以理解怎么可能对材料、量器以及方法都广泛不同的诸研究做比较。这个问题通称为“苹果与桔子之争”(Glass，1978)。对元分析的这种批评虽常见，却无效。比较不同的研究结果与在一个普通实验里对异质被试作平均化是毫无不同的。如果你愿意接受对被试作平均化，那也就能接受对异质研究作平均化。
关键问题不是应不应该在异质研究之间做平均，而毋宁说是不同的研究方法会不会带来不同的效应规模。当某一被试变量成了研究中的一个问题时，你经常会“胶着”在这个被试变量上以确定它是如何与出现的差异相关联的。同样的，如果方法学的差异显得与研究结果有关联，那么在一项元分析里，研究也要停下来考察方法学。
元分析的工作是一项艰巨的工作。对同一问题做实验，可以使用很不同的方法与统计技术。还有，某些研究也许没有提供必要的信息可做元分析。
元分析的结果不同于传统述评的结果吗?
传统的述评产生的结果是不是与元分析的结果有质的不同?这的确是个问题。有学者直接比较了这两种方法。他们把研究生和教授随机分配于做元分析或做传统述评，材料是7篇文章，讲述被试性别对作业坚持性的影响。其中两篇研究认为女性比男性更有坚持性，而另5篇要么没有统计数据，要么显示没有显著效应。
这一研究的结果显示了使用元分析的参与者比使用传统方法的参与者更有可能得出性别对坚持性有影响的结论。另外，比之于做元分析的参与者，做传统述评的参与者认为性别对坚持性的影响小。总起来看，使用元分析的参与者有68%愿意断言性别对坚持性有影响，而只有27%使用传统方法的参与者有此倾向。用统计学的话来说，做元分析者比传统述评者更愿意拒绝性别无影响的虚无假设。因此使用元分析来评判研究会导致Ⅱ型决策错误的降低。
最后，值得注意的是，使用元分析本身要求的统计学进路与对传统实验数据做统计分析的研究策略是一样的。当我们得到一个实验的结果时，我们不会只打量(“盯着”)数据，看看是否存在什么模式或关系。相反，在大多数情况下，我们用统计分析来评判关系是否存在。同样的，与其“盯着”诸研究而猜测可能的关系，还不如把一项统计分析应用于不同研究的结果，以见是否存在有意义的关系，这会更好。
统计步骤
元分析要具有可复制性，不仅应尽可能多地检验搜集来的研究样本，观察它们是否可以凸显出某种单项研究显现不出的潜藏规律，还应该清楚地描述自己是如何发现这些研究及如何对它们作分析的，以便他人进行评价。因此，元分析必须遵循详尽、严格的研究步骤。
确定研究目的
确定研究目的也就是组织研究框架。在收集研究之前，首先必须确定研究中想要探索的文献领域及将要包括的题目范围。元分析涵盖的题目有时很宽泛，但其核心必须界定清楚，而且应该建立一套挑选研究样本的“包含”与“排除”标准，这样可以帮助一起合作的研究者在面对同一群文献时能够运用同样的标准去查找或分析研究。
确定研究目的时，还需要充分理解自己所要分析的概念及使用的方法，就像确定实验研究中的自变量和因变量一样，确定所要研究的效果量及结果。
彻底的文献搜索
通过包括计算机网络在内的各种手段进行彻底的文献搜索，也就是研究样本的搜索，这对元分析的有效性非常重要，是综合研究得出结论的基础。对文献样本的收集可根据Rosenthal(1984)提出的大概分类标准：
书：包括作者的原著、几位作者共同合编的书及书的某些章节；
期刊：包括专业期刊、已出版发表的时事通讯、杂志及报纸；
论文：包括博士论文、硕士论文及学士论文；
未发表的研究：包括某些技术报告、学术报告、大会论文及将要发表的论文。
确定适合的研究样本
选择符合研究框架的研究样本是元分析的关键。要考虑多种问题，如它的研究设计，文章发表的时间，文章使用何种语言表述，研究中的样本大小及信息是否完整等等。
一般而言，尽可能选择最新的研究。对于未被选中的资料在分析中也要说明，这样就可以清楚明了地表明这些研究曾经发表过，并非经过一段时间将它们遗漏，只是没有作为设计的一部分包括进研究内。同时如果在研究中仅选择了以母语或英语表述的文章，就要说明这样做的理由。
另外，如果看到某一类研究在相似的题目上有多重报告，那么就选择其中一个信息较为完整的研究，使同一类型研究中的信息对元分析只贡献一次。尽量排除小样本的研究。如果选择了纵向跟踪研究，则要尽早决定跟踪研究的时限。
定义变量及对变量编码
在收集、选择了元分析的文献后，必须确定在元分析中要检验何种研究特征，这些特征就是元分析的变量。一般有以下四种变量：(1)识别背景特征的变量。这类变量包括入选研究样本的数量，研究样本的参考文献，对研究编码的人数(一般要求至少两人以上)，研究资料的来源等。(2)识别样本特征的变量。这类变量包括被试的特征，如性别、年龄、民族、受教育水平、社会经济状况等。(3)识别研究特征的变量。这类变量包括研究的理论架构，研究设计，研究采用的工具，研究测量的效应类型以及其他。如果可能，这类变量可以帮助解释研究方法与结果之间的关系。
识别统计特征的变量
这类变量包括两类统计值，一个是表现平均值差异的效果量d，这需要关注每一个研究中的平均数、标准差和样本大小。另一个是表现关系的相关系数r，这需要关注每一个研究中的相关系数及相关的测量统计值。
在界定了用来测量研究的变量之后，还需要为每一个变量编码数据。对于每一个元分析而言，都应该有一套界定好的数据编码系统，不同的数字代表了每一类变量中不同的水平情况。如关于性别，若样本中仅有男性，编码系统可将其编码为1，若样本中仅有女性，则可编码为2，若既有男性又有女性，则可编码为3，如果样本未对性别作明确说明，则可用999(缺失值)进行编码。研究者需要对所有的分析变量进行编码。
研究数据的录入
元分析中搜集来的有关各样本研究特征的数据，需要录入一个相关的统计软件包进行分析。“元统计”软件包是由Rudner、Evartt和Emery规划设计的，其中包含有Glass、Hedges、Olkin、Schmidt和Hunter及其他学者的大量元分析理论，如Hedges的同质性检验，Rosenthal和Rubin的聚合显著性水平分析，以及近似随机化检验及效果量大小计算等等。该软件包还可以提供大量的程序来帮助完成数据录入、统计分析和图表分析，数据录入的形式既可以依据标准码的形式也可以依据SPSS的固定格式。
运用多种统计技术探索、展现数据
在进行复杂的元分析之前，应先对一些基础的数据特征进行分析，特别是录入数据后最好做一个简单频次分布图与散点图，来观察数据录入是否合理或者在所有欲分析的研究中是否有非常明显的异常数据存在。如果有，则可用软件包中提供的相应处理异常数据的方法来尽早地修正或远离它们。对于具体采用哪些元分析技术，要根据研究目的来决定。一般地，需要计算各研究样本的效果量及总效果量的大小，计算对总效果量估计的置信区间以及对各研究样本的同质性检验。面对不同质的样本要做敏感性分析，即根据研究质量的评定对研究样本分层，可划分为两层或多层，然后对每一层分别进行分析，同时对比其结果[1] 。

一篇成功的meta分析论文有哪些良好的基础构建

谈谈我在科研文案这条路上（帮很多人写过）总结出来的一点心得经验：
一：选题
　　一个好的选题就成功了一半。选题大小决定了工作量大小，选题的争议性、新颖性、临床实用性决定了题目的价值，也决定了以后文章投稿的难易程度。
二：文献检索
　　检索一般强调查准率与查全率。两者矛盾，但meta分析要求查全要高，所以检索制定要合适。既不能让初筛文章太多，工作量太大，也不能遗漏重要文献。
三：数据提取
　　两个平行进行，尽量不进行讨论，等数据提取完后，由第三方确认或讨论解决。
四：数据处理
　　目前用的较多软件：STATA，REVMAN, 以及诊断性meta的meta-disc。
五：文章写作
严格按照相应的指南与手册进行。如RCT meta的PRISM，观察性研究的MOOSE等。

论文写作分析方法

论文写作分析方法

论文，是教学或科研活动的重要组成部分之一。掌握一定的论文写作分析方法，能够使我们更好的完成论文。

一、论文资料收集与分析

主张，首先是论文的选题。一个好的选题不仅仅是论文写作本身是否能够成功的基础，更重要的，其本身就是思维方式的训练过程!

选择什么样的题目?怎样选题?

一般学生们没有写过论文，而写作论文和过去的课程学习是完全相反的思维路径：课程学习是被动的，论文写作是主动的，所以，大多数学生觉得无从下手。我的建议如下：

1、先参考别人的论文，起步哪怕是模仿都是可以的。到哪里获得论文，又怎么参考呢?

网络发达，你只要是在校园网下上网，就能够免费获得我校图书馆的相关文献资源。具体的获得路径是：进入南航图书馆的电子资源网页： 其中中文论文资源有：中国知网、维普中文科技期刊数据库、万方数据、南航博硕士学位论文等，你可以按照核心期刊论文来进行论文的选择。关于什么刊物是核心刊物，学校科技部有个认定，区分为核心刊物和重要核心刊物两类。详见：

2、回避纯理论的课题。不是说纯理论的课题不可以做，而是初学者进行理论研究，结果会感觉非常空洞，因此应该避免。那么不是纯理论的，就可以做了吗?其实我们说的可以做，是希望集中在热点问题上，这样你会有大量的参考的资料，不至于感觉无从下手。因此，建议将要研究的课题按照做实、做到的目标来进行设计。做实就是要有内容、有形式，做到就是要通过努力能够做成，不会半途而废。

3、自己感兴趣。一切思想和行动都是人来实现的，如果违背自己意愿，那就是完成任务型，这一点都没有价值。做自己感兴趣的课题才会有动力。当然，或许在做研究之前，你并没有办法知道自己到底是否感兴趣，实际上这是你准备不足的缘故，所以，如果要做，一定要想明白自己是否确实感兴趣了，只有这样，才不至于感觉累，才不至于感觉苦。你也才真正能够学到该学到的东西。

上面的这个选题的原则，其实本身就是一个思考的过程，如果你不劳而获的题目，你在之后的长进也是有限的。因此，我说，要选好题目，你需要在阅读时思考，带着批判的眼光看待哪怕是“大家”写的东西。

二、研究方法的选择

从大类上说，研究无非实证分析和规范分析之类，但我想说的是，方法本身并不重要，重要的是选择方法的过程和认识方法的过程。

因为对数学模型的崇拜和形式的耀眼，现在很多学生喜欢用模型，应该说，模型解决金融问题本身无错，错在你是否真正想明白了为什么用这个模型。

由于现代工具的开拓，使用现成的.模型解决金融问题实际是简单的，有各种软件可以使用，如果没有了解其道理，那就像黑箱般，写作就变成了一个收集数据，软件自动处理得到一堆数据结果的过程，这是没有什么帮助的!不但对你方法的使用没有帮助，对思维更是没有提高。

我提两个基本的选择方法的原则：

1、逻辑上是合理的。所有使用的研究方法，其逻辑上一定要是合理的，任何的分析都是逻辑推演下的结果，在逻辑推演之前，你可以天马行空发挥创新的思维能力空间，所到底，今后人与人的差别仅仅表现在创新思维能力和逻辑归演能力方面的差别，知识和方法本身的掌握多少并不成为成才的核心问题。

2、方法本身实用性的分析。无论用多么简单，多么复杂的方法，其运用的前提是方法的运用前提条件。要防止数据挖掘的陷阱，防止数据的欺骗，唯一的克服办法是对症用方法。

三、论文内容的基本要求

1、文章必须要有新的内容。或者是新的思路，或者是创新的方法，或者是新的角度。

解决办法：将本主题的别人的相关文章收集起来，思考其中有没有不合理的地方，寻找新的东西。不要没有别人的东西就思考，想了半天出来的都是别人已经写出来的东西。

2、文章主题一定要明确。如果文章没有中心，不知道要解决什么问题，则文章不能写。

解决办法：将自己想出的新的东西放在一起，看看它们之间有没有联系，若有则可以围绕新的东西设计最贴切的主题。

3、文章结构一定要合理。文章的结构一定要围绕主题设计，前后呼应或符合逻辑，各部分之间若没有必然的联系，则肯定不合理。

解决办法：将预先设计的文章纲要中的一个或两个部分去掉或颠倒，看是否仍然成立，若成立，则原先的结构不合理。

4、文章一定要简洁。文章不是靠字数取胜，一般性文章控制在3000-5000比较合适。

解决办法：与主题无关，或没有意义，或过激的语言都应该删去。叙述一个事件或结论，能用短的语言不用长的语言。